一、介绍
本文提出的方法分为：
- 基于马尔科夫决策过程（
Markov Decision Processes）构建弹性动作的模型
- 利用模型制定具体的弹性策略
使用马尔科夫决策过程的原因：
MDPs 可以捕捉问题的转移概率和不确定性- 在当前状态下，不确定性是由于可能有几种适用的弹性决策，导致不同未来的系统状态
- 转移概率可以让我们考虑系统的状态演变情况
本文的主要贡献：
- 提出了一种在运行时使用连续在线定量验证来进行弹性决策的方法，并且是基于可扩展的，自动生成的和动态实例化的
MDP 模型
- 提出了模型的变种，并阐述了一些最大化效用函数的弹性策略
- 在不断变化的外部负载下的弹性
NoSQL 集群使用真实的日志进行实验，结果表明，使用基于模型检验的弹性策略可以改进供应不足的情况，同时避免过度供应
文章结构目录：
- 章节二：提出弹性决策的方法，介绍了基本的
MDP 模型和基于其运行时实例化的弹性策略。同时解释了 PRISM 如何来实现这一目的
- 章节三：如何将方法融入到现有系统
- 章节四：实验评估
- 章节五：相关工作
- 章节六：工作总结和未来展望
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
